东大成贤资源库-数据挖掘技术与应用 实验一:数据预处理_熟悉数据挖掘数据预处理流程。 基于给定的数据集(csv)文件,完成下列数据处理。 1

【实验内容】

  1. 程序清单

    import pandas as pd
    import numpy as np

    读入文件,存放在字典data里

    data = pd.read_csv("D:\Desktop\data1.csv")

    填入Id列空缺的值

    for i in range(1,len(data)):
    if pd.isnull(data['Id'][i]):
    data['Id'][i]=i+1

    Id属性列去重,保留重复时第一个值,默认将原来的东西覆盖

    data.drop_duplicates(subset=['Id'],keep='first',inplace=True)

    如果字典内有表格是NaN,把他替换为0

    for (name,value) in data.items():
    for i in range(1,len(data[name])): #对于name列的所有单元格
    if pd.isnull(data[name][i]):
    data[name][i]=0

    为数据增加一个字段Average, 默认赋值为对每一行第1列(Id是第0列)以后所有数据取平均值,对行执行这个操作

    关于axis:Keep in mind that axis=1 in mean(axis=1) is used to calculate the mean across each row.

    If you used axis=0 instead, the mean would be calculated across each column.

    data = data.assign(Average = np.mean(data.iloc[:, 1:], axis=1))

    print(data)

    将每一行Average的值的精度缩小到16位浮点数

    data['Average'] = data['Average'].astype("float16")

    按照 Average降序排序,覆盖以前的东西

    data.sort_values("Average",ascending=False,inplace=True)
    print(data)

    降序排序后越靠前的行值就越大。data.iloc[x,y]代表data字典内第x行第y列(第y个属性)

    这里的意思是在整个data范围内从第一个(降序,最大的)开始搜,搜到不对的了就停下

    for i in range(len(data)):
    if data.iloc[i, -1] != data.iloc[0,-1]:
    break
    else:
    print(data.iloc[i,:])

    range(1,4)实际上就是1,2,3,对应语文数学英语三个列,cnt用户计数其中大于60的学生个数

    for i in range(1,4):
    cnt = 0
    for j in range(len(data)):
    if data.iloc[j,i]>=60:
    cnt += 1
    print(cnt)

    将我们处理完的data输出

    data.to_csv("E:\private\实验报告\数据挖掘\230905-1\data1.csv")

    2.截图:

【实验体会】

我从这次实验中学到了:用pandas库读取csv文件作为一个python数据对象,与将其逆向至一个csv文件,用pd.isnull()方法判断是否为空值;用DataFrame对象自带的drop_duplicates()对一列数据去重,为数据通过assign的方式添加属性列并指定初始值。更改数据类型,对数据排序。以及通过iloc方法通过下标的形式切分数据表。

收获良多、感触颇丰!

以下是原始的data1.csv表:

Id Chinese Math English
1 66 70 57
2 67 71 59
3 68 72 60
4 70 73 62
5 71 74 63
6 72 75 64
7 73 75 65
8 73 76 67
9 74 77 68
10 75 77 69
11 76 78 70
12 76 78 71
13 77 79 72
14 78 79 73
15 78 79 74
16 78 79 75
17 79 79 75
18 79 79 76
19 79 79 77
20 79 79 77
21 79 79 78
79 79 78
23 79 78 79
24 79 78 79
25 79 77 79
79 77 79
27 78 76 79
28 78 76 79
29 77 75 79
30 74 79
31 76 73 79
32 75 72 79
33 74 71 78
73 70 78
35 73 69 77
36 72 68 77
37 71 67 76
38 70 66 76
39 68 65 75
40 67 63 74
67 63 74
42 65 61 72
43 64 59 71
44 62 58 70
45 62 58 70
46 60 55 68
58 54 67
48 57 52 66
49 56 51 65
50 54 49 63

最全的Linux教程,Linux从入门到精通

======================

  1. linux从入门到精通(第2版)

  2. Linux系统移植

  3. Linux驱动开发入门与实战

  4. LINUX 系统移植 第2版

  5. Linux开源网络全栈详解 从DPDK到OpenFlow

第一份《Linux从入门到精通》466页

====================

内容简介

====

本书是获得了很多读者好评的Linux经典畅销书**《Linux从入门到精通》的第2版**。本书第1版出版后曾经多次印刷,并被51CTO读书频道评为"最受读者喜爱的原创IT技术图书奖"。本书第﹖版以最新的Ubuntu 12.04为版本,循序渐进地向读者介绍了Linux 的基础应用、系统管理、网络应用、娱乐和办公、程序开发、服务器配置、系统安全等。本书附带1张光盘,内容为本书配套多媒体教学视频。另外,本书还为读者提供了大量的Linux学习资料和Ubuntu安装镜像文件,供读者免费下载。

本书适合广大Linux初中级用户、开源软件爱好者和大专院校的学生阅读,同时也非常适合准备从事Linux平台开发的各类人员。

需要《Linux入门到精通》、《linux系统移植》、《Linux驱动开发入门实战》、《Linux开源网络全栈》电子书籍及教程的工程师朋友们劳烦您转发+评论

加入社区》https://bbs.csdn.net/forums/4304bb5a486d4c3ab8389e65ecb71ac0

相关推荐
深度学习实战训练营31 分钟前
基于CNN-RNN的影像报告生成
人工智能·深度学习
昨日之日20062 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_2 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover3 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
热爱跑步的恒川3 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程
阡之尘埃5 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
孙同学要努力7 小时前
全连接神经网络案例——手写数字识别
人工智能·深度学习·神经网络
Eric.Lee20217 小时前
yolo v5 开源项目
人工智能·yolo·目标检测·计算机视觉
布说在见8 小时前
层次与网络的视觉对话:树图与力引导布局的双剑合璧
信息可视化·数据挖掘·数据分析
其实吧39 小时前
基于Matlab的图像融合研究设计
人工智能·计算机视觉·matlab